AP Statistics

hiệu hai tỉ lệdifference of two proportions

difference of two proportionsVietnamese: hiệu hai tỉ lệ

Còn gọi:Also called: hiệu hai tỉ lệ tổng thể, hiệu hai tỉ lệ mẫu, difference of two proportions

Định nghĩaIn short

Hiệu hai tỉ lệ là đại lượng p1 − p2 (ước lượng bằng p̂1 − p̂2), đo chênh lệch giữa tỉ lệ thành công của hai tổng thể hoặc hai mẫu độc lập.The difference of two proportions is the quantity p1 − p2, estimated by p̂1 − p̂2, which measures the gap between the success proportions of two independent populations or samples.

Trực giác: Giống như so sánh xem đội bóng A hay đội bóng B thắng nhiều trận hơn theo tỉ lệ phần trăm, chứ không chỉ nhìn số trận thắng tuyệt đối.Intuition: It is like asking whether team A or team B wins a larger percentage of its games, rather than just comparing raw numbers of wins.

Công thức chínhKey formula

(p^1−p^2)±z∗p^1(1−p^1)n1+p^2(1−p^2)n2(\hat{p}_1-\hat{p}_2)\pm z^*\sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1}+\frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}
Định nghĩa đầy đủFull definition1 phút đọc1 min read

Hiệu hai tỉ lệ là chênh lệch p1−p2p_1-p_2 giữa tỉ lệ thành công của hai tổng thể, được ước lượng bằng p^1−p^2\hat p_1-\hat p_2 từ hai mẫu ngẫu nhiên độc lập.

Khi điều kiện số đếm lớn thỏa ở từng nhóm, phân phối lấy mẫu của hiệu xấp xỉ chuẩn, có trung bình p1−p2p_1-p_2; phương sai là tổng phương sai của hai tỉ lệ mẫu. Khoảng tin cậy dùng hai tỉ lệ mẫu riêng, còn kiểm định H0:p1=p2H_0:p_1=p_2 dùng tỉ lệ gộp để tính sai số chuẩn.

The difference of two proportions is the gap p1−p2p_1-p_2 between the success proportions of two populations, estimated by p^1−p^2\hat p_1-\hat p_2 from two independent random samples.

When the large-counts condition holds in each group, the sampling distribution of the difference is approximately normal with mean p1−p2p_1-p_2, and its variance is the sum of the variances of the two sample proportions. A confidence interval uses the two separate sample proportions, while a test of H0:p1=p2H_0:p_1=p_2 uses the pooled proportion to compute the standard error.

Ký hiệuNotation
p1−p2p_1-p_2, p^1−p^2\hat p_1-\hat p_2
p1−p2p_1-p_2, p^1−p^2\hat p_1-\hat p_2
Công thức chi tiếtFormula details2 công thức2 formulas
(p^1−p^2)±z∗p^1(1−p^1)n1+p^2(1−p^2)n2\htmlClass{fp-0}{(\hat{p}_1-\hat{p}_2)}\pm \htmlClass{fp-1}{z^*}\htmlClass{fp-3}{\sqrt{\htmlClass{fp-2}{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1}+\frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}}}
(p^1−p^2)±z∗p^1(1−p^1)n1+p^2(1−p^2)n2\htmlClass{fp-0}{(\hat{p}_1-\hat{p}_2)}\pm \htmlClass{fp-1}{z^*}\htmlClass{fp-3}{\sqrt{\htmlClass{fp-2}{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1}+\frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}}}

Dùng để lập khoảng tin cậy cho p1−p2p_1-p_2 từ hai mẫu độc lập khi điều kiện xấp xỉ chuẩn được thỏa.Use this to build a confidence interval for p1−p2p_1-p_2 from two independent samples when the normal approximation condition is met.

Trong đóWhere

p^1\hat{p}_1tỉ lệ thành công quan sát được ở mẫu thứ nhấtobserved proportion of successes in the first samplep^2\hat{p}_2tỉ lệ thành công quan sát được ở mẫu thứ haiobserved proportion of successes in the second samplen1n_1cỡ mẫu thứ nhấtsize of the first samplen2n_2cỡ mẫu thứ haisize of the second samplez∗z^*giá trị tới hạn của phân phối chuẩn tắc ứng với độ tin cậy đã chọncritical value from the standard normal distribution for the chosen confidence level
μp^1−p^2=p1−p2,σp^1−p^2=p1(1−p1)n1+p2(1−p2)n2\mu_{\hat{p}_1-\hat{p}_2}=p_1-p_2,\quad \sigma_{\hat{p}_1-\hat{p}_2}=\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}}

Dùng để mô tả phân phối lấy mẫu của hiệu khi hai mẫu độc lập và điều kiện thành công–thất bại được thỏa.Use this to describe the sampling distribution of the difference when the two samples are independent and the success–failure condition is met.

Trong đóWhere

p1p_1tỉ lệ thật của tổng thể thứ nhấttrue proportion of the first populationp2p_2tỉ lệ thật của tổng thể thứ haitrue proportion of the second populationn1n_1cỡ mẫu thứ nhấtsize of the first samplen2n_2cỡ mẫu thứ haisize of the second sample
Hay hiểu saiCommon misconceptions3 ý, 1 phút đọc3 points, 1 min read

Không gộp tỉ lệ khi lập khoảng tin cậy.

Khoảng này không giả định hai tỉ lệ tổng thể bằng nhau, nên phải dùng hai tỉ lệ mẫu riêng để tính sai số chuẩn.

Khoảng tin cậy chứa 0 không chứng minh hai tỉ lệ bằng nhau.

Ở mức tin cậy đã chọn, dữ liệu chỉ chưa đủ bằng chứng thuyết phục về sự khác biệt.

Điều kiện số đếm lớn phải được kiểm riêng cho từng nhóm.

Với khoảng tin cậy, số thành công và thất bại của mỗi nhóm đều phải ít nhất 10.

Never pool the proportions when building a confidence interval.

The interval does not assume the two population proportions are equal, so the standard error must use each sample proportion separately.

A confidence interval containing 0 does not prove the two proportions are equal.

At the chosen confidence level, the data simply fail to give convincing evidence of a difference.

The large-counts condition must be checked separately for each group.

For a confidence interval, the number of successes and failures in each group must be at least 10.

Mẹo phòng thiExam tips2 mẹo2 tips

Xác định thứ tự trừ trước khi tính.

Hãy định nghĩa p1p_1, p2p_2 theo ngữ cảnh và giữ nguyên thứ tự trong phép tính lẫn kết luận.

Gọi đúng tên thủ tục và kiểm tra từng điều kiện.

Dùng số liệu của bài để chứng minh điều kiện số đếm lớn, thay vì chỉ viết “mẫu đủ lớn”.

Decide the order of subtraction before you compute anything.

Define p1p_1 and p2p_2 in context and keep that same order in the calculation and the conclusion.

Name the procedure correctly and verify every condition.

Use the numbers from the problem to show the large-counts condition holds instead of just writing "the samples are big enough."

Tần suất trong đề AP StatisticsHow often it shows up on AP StatisticsThường xuyênVery common
Khái niệm này sinh ra từ đâuWhere the concept comes from1 phút đọc1 min read

1900Karl PearsonRonald FisherSaralees NadarajahSamuel Kotz

Năm 1900, Karl Pearson đề xuất kiểm định khi bình phương cho bảng 2×2 để đánh giá chênh lệch giữa hai nhóm là thật hay do ngẫu nhiên.
In 1900, Karl Pearson introduced the chi-square test for a 2×2 table to judge whether a gap between two groups was real or due to chance.

Vì sao mang đúng cái tên này? Cái tên không hề bóng bẩy: nó gọi thẳng tham số mà ta muốn ước lượng, tức p1−p2p_1-p_2. "Tỉ lệ" ở đây là phần trăm cá thể rơi vào một loại trong dữ liệu phân loại, còn "hiệu" nhấn mạnh rằng ta trừ chứ không chia — câu hỏi đặt ra là hai nhóm cách nhau bao nhiêu điểm phần trăm, chứ không phải nhóm này gấp mấy lần nhóm kia. Cách đặt tên ấy giải thích luôn hình dạng công thức: vì hai mẫu độc lập, sai số chuẩn (standard error) của hiệu được ghép từ hai sai số thành phần theo SEp^1−p^2=SEp^12+SEp^22=p1(1−p1)n1+p2(1−p2)n2SE_{\hat{p}_1-\hat{p}_2}=\sqrt{SE^2_{\hat{p}_1}+SE^2_{\hat{p}_2}}=\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}} Công thức này nói rằng độ dao động của hiệu hai tỉ lệ mẫu bằng căn bậc hai của tổng hai phương sai riêng, trong đó n1,n2n_1,n_2 là cỡ hai mẫu. Đáng chú ý là dạng ấy giống hệt dạng dùng cho hiệu hai trung bình, nên khi học sinh chuyển từ chương trung bình sang chương tỉ lệ, chỉ có phần bên trong dấu căn thay đổi. Một nhánh tên gọi khác đến từ cách trình bày dữ liệu: khi xếp hai nhóm với hai kết cục thành bảng 2×2 (two-by-two table), cùng một câu hỏi được phát biểu lại thành kiểm định tính độc lập, và đó là lý do kiểm định khi bình phương của Pearson lẫn kiểm định chính xác Fisher (Fisher exact test) — một dạng sớm của kiểm định hoán vị — thường được nhắc chung với hiệu hai tỉ lệ.

Ví dụ có lời giảiWorked example3 phút đọc3 min read
Một tổ chức nghiên cứu xã hội muốn so sánh mức ủng hộ đối với dự án xây dựng tuyến xe buýt nhanh ở hai thành phố. Họ chọn ngẫu nhiên và độc lập 250 người trưởng thành ở thành phố A, trong đó có 150 người nói rằng họ ủng hộ dự án; đồng thời chọn ngẫu nhiên 300 người trưởng thành ở thành phố B, trong đó có 150 người ủng hộ. Mỗi thành phố đều có hơn một triệu người trưởng thành.
  1. aKiểm tra các điều kiện cần thiết để xây dựng khoảng tin cậy cho hiệu hai tỉ lệ.
  2. bXây dựng khoảng tin cậy 95% cho hiệu giữa tỉ lệ người ủng hộ ở thành phố A và tỉ lệ người ủng hộ ở thành phố B.
  3. cDựa trên khoảng vừa tìm được, có bằng chứng thuyết phục rằng mức ủng hộ ở hai thành phố khác nhau hay không? Giải thích.
1Bước 1: Trước hết phải gọi tên tham số cần ước lượng. Đặt p1p_1 là tỉ lệ toàn bộ người trưởng thành ở thành phố A ủng hộ dự án và p2p_2 là tỉ lệ tương ứng ở thành phố B; đại lượng ta quan tâm là p1−p2p_1-p_2. Thủ tục dùng ở đây là khoảng tin cậy z hai mẫu (two-sample z-interval) cho hiệu hai tỉ lệ, nên phải kiểm tra điều kiện trước khi tính.
2Bước 2: Có ba điều kiện cần xác nhận. Thứ nhất, hai mẫu được chọn ngẫu nhiên và độc lập với nhau, đúng như đề mô tả. Thứ hai, điều kiện 10%: 250<0,1⋅1 000 000250<0{,}1\cdot 1\,000\,000 và 300<0,1⋅1 000 000300<0{,}1\cdot 1\,000\,000, nên việc lấy mẫu không hoàn lại vẫn không làm hỏng công thức phương sai. Thứ ba, điều kiện xấp xỉ chuẩn: số thành công và số thất bại của mỗi mẫu lần lượt là 150150 và 100100 ở thành phố A, 150150 và 150150 ở thành phố B, cả bốn số đều lớn hơn 1010. Do đó cả ba điều kiện đều thỏa mãn.
3Bước 3: Tính hai tỉ lệ mẫu rồi lấy hiệu: p^1=150250=0,60\hat p_1=\dfrac{150}{250}=0{,}60 và p^2=150300=0,50\hat p_2=\dfrac{150}{300}=0{,}50, nên p^1−p^2=0,10\hat p_1-\hat p_2=0{,}10. Con số 0,100{,}10 này là ước lượng điểm cho p1−p2p_1-p_2, tức là mức chênh lệch ủng hộ quan sát được giữa hai mẫu.
4Bước 4: Sai số chuẩn (standard error) của hiệu hai tỉ lệ được tính bằng SE=p^1(1−p^1)n1+p^2(1−p^2)n2=0,60⋅0,40250+0,50⋅0,50300.SE=\sqrt{\frac{\hat p_1(1-\hat p_1)}{n_1}+\frac{\hat p_2(1-\hat p_2)}{n_2}}=\sqrt{\frac{0{,}60\cdot 0{,}40}{250}+\frac{0{,}50\cdot 0{,}50}{300}}. Hai số hạng trong căn là 0,000960{,}00096 và 0,0008330{,}000833, cộng lại được 0,0017930{,}001793, lấy căn bậc hai ta có SE≈0,0423SE\approx 0{,}0423. Công thức này nói rằng độ dao động của hiệu hai tỉ lệ là tổng độ dao động của từng tỉ lệ, chính vì hai mẫu độc lập nên phương sai mới cộng được như vậy.
5Bước 5: Với độ tin cậy 95%95\% thì z∗=1,96z^*=1{,}96, nên biên sai số là 1,96⋅0,0423≈0,0831{,}96\cdot 0{,}0423\approx 0{,}083. Khoảng tin cậy là 0,10±0,083  ⇒  (0,017;  0,183).0{,}10\pm 0{,}083\;\Rightarrow\;(0{,}017;\;0{,}183). Nghĩa là ta tin cậy 95%95\% rằng tỉ lệ ủng hộ ở thành phố A cao hơn tỉ lệ ủng hộ ở thành phố B từ khoảng 1,7 điểm phần trăm đến 18,3 điểm phần trăm.
6Bước 6: Để trả lời ý (c), hãy xem số 00 có nằm trong khoảng hay không. Vì toàn bộ khoảng (0,017; 0,183)(0{,}017;\,0{,}183) đều dương và không chứa 00, giá trị p1−p2=0p_1-p_2=0 không phải là một giá trị hợp lý cho hiệu hai tỉ lệ. Vì vậy dữ liệu cho bằng chứng thuyết phục rằng hai thành phố có mức ủng hộ khác nhau.

Các điều kiện ngẫu nhiên, 10% và xấp xỉ chuẩn đều thỏa mãn, nên khoảng tin cậy 95% cho hiệu giữa tỉ lệ ủng hộ ở thành phố A và thành phố B là (0,017; 0,183)(0{,}017;\,0{,}183). Ta tin cậy 95% rằng tỉ lệ người trưởng thành ủng hộ tuyến xe buýt nhanh ở thành phố A cao hơn ở thành phố B từ 1,7 đến 18,3 điểm phần trăm. Vì khoảng này hoàn toàn nằm bên phải số 0, có bằng chứng thuyết phục rằng mức ủng hộ ở thành phố A thực sự cao hơn thành phố B.

Bạn nắm chắc chưa?Check your understanding

Quiz câu thật từ ngân hàng đềReal exam questions from our question bank

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.A few real questions on exactly this concept, graded instantly with an explanation for every choice — the system remembers how well you know it.

Tạo tài khoảnCreate an account

Học tiếp từ đâyKeep learning

Bài học chứa thuật ngữ nàyLesson that uses this termPhân phối mẫu của hiệu hai tỉ lệ mẫuSuy luận cho tỉ lệ (dữ liệu phân loại), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termDựng khoảng tin cậy cho hiệu hai tỉ lệSuy luận cho tỉ lệ (dữ liệu phân loại), khoácourse AP Statistics
Bài học chứa thuật ngữ nàyLesson that uses this termThiết lập kiểm định cho hiệu hai tỉ lệSuy luận cho tỉ lệ (dữ liệu phân loại), khoácourse AP Statistics
Mục tiêu và lộ trình unit ai cũng xem được — làm bài tập và lưu tiến độ thì cần đăng nhập.Anyone can view a unit's goals and roadmap — sign in to do the exercises and save your progress.

Hay nhầm vớiOften confused with

Khác nhau ở đâuHow they differHiệu hai tỉ lệ so sánh hai nhóm trên một biến phân loại và dùng phân phối chuẩn. Hiệu hai trung bình so sánh hai nhóm trên một biến định lượng và dùng phân phối t.
Hay nhầm khiMixed up whenĐề cho dữ liệu dạng đếm số người trả lời "có" nhưng thí sinh lại đi tính trung bình rồi chọn nhầm thủ tục t.
Khác nhau ở đâuHow they differHiệu hai tỉ lệ yêu cầu hai mẫu được lấy độc lập với nhau. Cặp đôi ghép từng đối tượng thành cặp nên chỉ còn một mẫu gồm các hiệu số.
Hay nhầm khiMixed up whenKhi đề đo cùng một nhóm người trước và sau can thiệp, thí sinh hay áp công thức hai mẫu độc lập dù dữ liệu là cặp ghép.

Cùng chủ đềSame topic

Nguồn tham khảoReferences

  1. [1]Barron_AP_Stat_2026. tr. 14, 359, 362.

Biên soạn bởi DucklingStudy, bản quyền thuộc DucklingStudy.Written by DucklingStudy. © DucklingStudy. Xuất bảnPublished .